Responsabilidad penal en decisiones automatizadas: ¿quién responde cuando la inteligencia artificial se equivoca?

Contenido principal del artículo

Gerardo Monroy Rosas
Melany Jocelyn Monroy Santoyo

Resumen

En los últimos años, la inteligencia artificial se ha incorporado en distintos ámbitos sociales, lo cual ha ocasionado que surjan nuevas interrogantes en el ámbito de la teoría del delito. En particular, por el uso de algoritmos capaces de tomar decisiones autónomas, que nos plantean desafíos relevantes en materia de atribución de responsabilidad penal cuando esas decisiones producen consecuencias jurídicas o daños a terceros.
Este trabajo analiza los vacíos normativos en contextos de decisión y examina si la teoría del delito ofrece herramientas suficientes para determinar la responsabilidad penal derivada de sistemas automatizados, con el fin de establecer un modelo de imputación coherente y eficaz.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Monroy Rosas, G., & Monroy Santoyo, M. J. (2026). Responsabilidad penal en decisiones automatizadas: ¿quién responde cuando la inteligencia artificial se equivoca?. Revista Mexicana De Ciencias Penales, 9(29), 113–136. https://doi.org/10.57042/rmcp.v9i29.1078
Sección
Dossier
Biografía del autor/a

Gerardo Monroy Rosas, Egresado del INACIPE

Egresado de maestría en Ciencia Jurídico Penal del INACIPE | Servidor Público en la FGJ CDMX.

Melany Jocelyn Monroy Santoyo

Estudiante de maestría en Ciencia de Datos en la Universidad Panamericana.

Métricas

Citas

Angwin, Julia, Jeff Larson, Surya Mattu and Lauren Kirchner (2016, mayo 23). “Machine bias. There’s software used across the country to predict future criminals. And it’s biased against blacks”. ProPublica. https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing

CE: Comisión Europea (2019). “A definition of AI: Main capabilities and disciplines”/ Definición de Inteligencia Artificial: principales capacidades y disciplinas científicas. Bruselas: CE Unión Europea. https://digital-strategy.ec.europa.eu/en/library/definition-artificial-intelligence-main-capabilities-and-scientific-disciplines

CPD: Código Penal de Durango (2009, 14 de junio). Código Penal del Estado Libre y Soberano de Durango, última reforma 25 de diciembre de 2025. https://congresodurango.gob.mx/Archivos/legislacion/CODIGO%20PENAL%20(NUEVO).pdf

CPSLP: Código Penal del estado de San Luis Potosí (2014, 28 de septiembre). Instituto de Investigación y Evaluación Legislativa, última reforma 8 de mayo de 2026. https://congresosanluis.gob.mx/legislacion/codigos

CPQRoo: Código Penal del estado de Quintana Roo (2016, 23 de junio). Código Penal para el Estado Libre y Soberano de Quintana Roo, última reforma 10 de abril de 2026. https://documentos.congresoqroo.gob.mx/codigos/C6-XVIII-10042026-20260413T103001-C1820260410217-C%C3%B3digo-Penal.pdf

CPZ: Código Penal para el estado de Zacatecas (1986, 17 de mayo). Suplemento al Periódico Oficial del estado de Zacatecas, última reforma 04 de marzo de 2026. https://www.congresozac.gob.mx/65/ley&cual=103

De la Cuesta Aguado, Paz (1998). Tipicidad e imputación objetiva. Argentina: Ediciones Jurídicas Cuyo.

Jakobs, Günther (1997). Estudios de Derecho Penal. España: Civitas.

Perry, Walter, Brian McInnis, Carter Price, Susan Smith y John Hollywood (2013). Predictive policing: The role of crime forecasting in law enforcement operations. RAND Corporation.

Roxin, Claus (2016). La teoría del delito en la discusión actual, tomo II. Grijley.

Welzel, Hans (2015). Derecho penal alemán: parte general. Chile: Editorial Jurídica de Chile.

Artículos similares

<< < 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.